不确定对象的自学习模糊神经网络控制方法

本文对具有不确定性控制对象提出了一种自学习模糊神经网络控制方法，模糊控制器采用误差，误差变化及误差加速度的加权和解析描述形式，利用人工神经网络直接对过程的建模，实现对模糊加权因子的自学习优化调整。将上述方法用于焊接熔池动态过程控制实实验，结果表明本文提出的自学习模糊神经网络控制方案有效。     

由单幅图像恢复物体三维形状的应用研究

由阴影恢复物体表面形状的方法是计算机三维视觉领域中的一个重要分支。首先给出了利用多幅图像由阴影恢复物体表面三维形状算法的计算结果 ,并进行了详细分析 ,进而提出了针对单幅图像的改进算法 ,包括引入表面光滑约束、边界条件和误差的灰度加权调整等。利用合成图像验证了这种算法的准确性。最后结合实际焊接过程熔池成像特点 ,应用这种算法利用单幅焊接熔池图像成功地获取了焊接熔池表面三维形状     

一种改进的Zernike正交矩亚像素边缘检测算法

在分析Ghosal提出的基于Zernike正交矩亚像素边缘检测算法的基础上,对Ghosal算法进行了改进。指出了Ghosal算法的两点不足,即没有考虑模板效应和没有考虑边缘梯度方向上的一阶导数模型。针对这种不足提出了改进方法。改进后的算法在计算边缘亚像素坐标时更准确,同时还具有细化边缘的能力,使边缘定位更精确。     

机器人视觉的“手-眼”关系快速标定算法

论述了机器人视觉传感器的内外参数标定的基本原理。设计了一种快速标定机器人"手 眼关系"的标定方法。该方法不需要外加辅助的坐标测量仪器,可一次性标定出视觉传感器的内外参数及机器人的"手 眼关系"。实验证明,该方法具有算法简便快捷和标定精度较高的特点。